AI及云端训练前瞻科学家_XC

Job Description 我们正在寻找一位具有前瞻视野的技术负责人，负责前瞻研究部门中 “AI 与数据 / 云计算”领域 的整体技术方向。该岗位将构建端到云的技术桥梁，核心使命包括两个方面： • AI战略方向：探索并孵化下一代算法技术（如大语言模型 LLMs、端到端自动驾驶 E2E Driving）。 • 云架构设计：定义支撑“数据闭环（Data Closed-Loop）”的数据基础设施，包括车辆数据采集、自动标注流程、云端仿真与模型训练平台。 主要职责 1. 技术前瞻与战略探索（AI 与云技术趋势） • 跟踪全球云原生汽车架构（Cloud-Native Automotive Architecture）发展趋势，重点关注混合云解决方案（Edge-to-Cloud 协同）以及中国本地主权云（Sovereign Cloud）合规要求。 • 研究云端仿真技术（如 World Model）及数据管理技术（如用于RAG的向量数据库、合成数据生成技术）。 • 构建 “AI 与云技术版图（AI & Cloud Tech Landscape Map）”，识别在提升系统智能的同时优化算力成本的技术机会。 2. 云与数据架构设计（核心基础能力） • 数据闭环架构（Data Closed-Loop）： 设计自动化数据处理流程的高层架构，包括数据采集 → 数据清洗 → 自动标注（Foundation Model驱动）→ 模型训练 → OTA更新。 • 混合算力策略（Hybrid Compute Strategy）： 明确哪些计算任务在车端（Edge NPU）执行，哪些任务在云端执行，例如Shadow Mode 数据过滤逻辑大规模模型训练等高算力任务。 • 仿真基础设施（Simulation Infrastructure）： 主导设计用于 L3/L4自动驾驶算法验证的大规模云端仿真平台，确保符合 ISO 8800 等相关标准。 3. 深度技术分析（可行性与成本管理） • 撰写云计算 ROI 与 FinOps 深度分析报告，评估大规模模型训练与数据存储扩展的成本影响。 • 为云服务选择提供 “自建 vs 采购（Make vs Buy）” 的技术与成本建议（如 AWS、Azure 或私有云）。 • 评估车云协同计算（Vehicle-Cloud Collaborative Computing）的技术可行性，例如远程控制协议（RCP）的延迟分析。 4. 创新孵化与技术落地 • 指导创新团队（Innovation Squad）开发 云原生技术 PoC（概念验证），例如：基于 RAG 的云端知识库系统（与车辆连接）Shadow Mode 数据触发机制等。 • 确保所有云端技术验证项目符合 网络安全与数据隐私法规要求。 Qualifications 教育背景：计算机科学、云计算、人工智能或相关专业硕士或博士学历。 工作经验： • 8年以上软件工程经验，其中至少 3年以上云架构或数据基础设施相关经验。 • 在 汽车、物联网（IoT）或科技行业 处理大规模设备数据的实际经验。 技术能力（云计算 + AI 复合能力） • 云原生技术：精通 Kubernetes (K8s)、Docker、微服务架构，熟悉主流公有云平台（AWS / Azure / 阿里云等） • 数据基础设施：有数据湖平台（如 Snowflake、Databricks）经验；熟悉向量数据库（如 Milvus、Pinecone，用于 LLM 场景）；熟悉数据管道系统（Kafka、Airflow）. • AI工程体系：理解 MLOps 工作流（如 Kubeflow、MLflow）; 具备云端模型部署与服务化经验 商业与成本意识: 能够进行云计算总体拥有成本（TCO）分析; 具备云资源优化能力（如 Spot Instance、GPU 利用率优化） 语言能力: 中英文流利